睾丸癌的副作用预测的机器学习

与Rigshospitalet合作,导航系统卫生技术人员已经开发出一种机器学习模型,该模型可以预测chemotherapy-associated肾毒性,一个特别重要的副作用与顺铂治疗的患者。

睾丸癌症在年轻男性最常见的癌症。全球新病例的数量正在增加。有一个相对较高的存活率,95%的幸存10半个世纪后及时发现和治疗。然而,标准化疗包括顺铂具有广泛的长期副作用,其中一个可以肾毒性。

“在睾丸癌患者,cisplatin-based化疗是必要的,以确保较高的治愈率。不幸的是,治疗会引起副作用,包括肾功能损害。然而,我们不能确定谁最终会有副作用,谁没有,”来自Rigshospitalet Jakob劳里岑说。

病人数据是知识的关键

研究人员因此问:我们能走多远预测肾毒性风险在这些患者中使用机器学习?首先,它需要一些患者数据。

使用群”睾丸癌病人从丹麦——与Rigshospitalet合作,我们开发了一个机器学习预测模型来解决这个问题,”萨拉·加西亚说,差卫生技术研究员,加上Jakob劳里岑,是最近发表的一篇文章的第一作者JNCI癌症频谱。

丹麦的高质量的病人记录允许识别关键的病人,和技术伙伴关系DMAC和YouDoBio促进DNA收集从病人在家中使用邮政交付唾液包。这个项目,最初由丹麦癌症协会,看到发展的几个基因组学和病人数据的分析策略,提出人工智能的承诺为集成不同的数据流。

低风险患者的最佳预测

个体发展的风险评分在化疗产生肾毒性,并提出了关键基因可能在起作用。患者分为高、低和中间的风险。高风险,模型能够正确地预测影响患者的67%,而对于低风险,模型正确预测的92%病人不产生肾毒性。

“了解和人工智能技术可以应用的地方临床护理也越来越重要,负责人工智能的未来。尽管患者数据丹麦注册中心和复杂性,高质量的临床研究探索新数据的方法使它成为一个伟大的环境”Ramneek古普塔说。“能够预测后期副作用最终会给我们机会预防措施和改善生活质量,“添加Gedske Daugaard与Ramneek Gupta共同资深作者是谁。

---

---